Leer pulsos de frecuencia cardíaca con Windows 10 IoT Core en Raspberry Pi: guía paso a paso

Resumen

Este tutorial recorre la conexión de un SparkFun Heart Rate Pulse Sensor a una Raspberry Pi 3 Model B y la captura de su salida analógica mediante una aplicación UWP en Windows 10 IoT Core. Al final, tendrás un ejemplo funcional que lee datos de latidos en tiempo real y puede extenderse a paneles IoT o servicios en la nube.

Paso 1 – Cableado del hardware

El sensor de pulso tiene tres pines:

• NEGRO – Tierra
• ROJO – Alimentación 3 V / 5 V
• MORADO – Salida de señal analógica

Como la Raspberry Pi no tiene entradas analógicas nativas, usamos el ADC MCP3008 de 8 canales. Conecta el pin de señal del sensor al canal 0 del MCP3008, el pin de alimentación del sensor al rail de 3,3 V de la Pi (o 5 V si el sensor lo soporta), y une los pines de tierra. El MCP3008 se comunica por SPI, así que conecta sus pines CS, SCK, SDI y SDO a los pines SPI correspondientes de la Pi. Un diagrama de cableado completo se proporciona en el esquema adjunto.

Paso 2 – Leer datos en una app UWP

Hemos creado un proyecto UWP ligero en C# que abre el bus SPI, sondea el canal 0 del MCP3008 y convierte el valor crudo en frecuencia de pulso. El código es open-source en GitHub, para que puedas inspeccionar, modificar o reutilizarlo en tus soluciones IoT. Puntos clave:

• Inicializa el SpiDevice con el ID de bus y línea chip-select correctos.
• Envía el byte de comando del MCP3008 y lee el resultado de 10 bits.
• Mapea el valor ADC crudo a frecuencia cardíaca usando una curva de calibración simple.
• Muestra la frecuencia cardíaca instantánea en la UI.

Para un recorrido línea a línea, consulta el README en el repositorio.

Paso 3 – Extender la demo

Con los datos de pulso crudos disponibles en la Pi, puedes seguir varios pasos:

• Visualización en tiempo real – Conecta la app UWP a una pantalla local o incrusta un componente de gráficas. Librerías como Syncfusion SfChart o Telerik UWP Chart facilitan trazar curvas de frecuencia cardíaca.
• Telemetría en la nube – Envía lecturas a Azure IoT Hub u otro broker MQTT, luego usa Power BI o Grafana para paneles avanzados.
• Analítica en el edge – Aplica filtrado a bordo o detección de anomalías para alertar cuando la frecuencia cardíaca se desvíe de rangos esperados.

Estas extensiones ilustran cómo un solo sensor puede convertirse en la base de un sistema completo de monitorización de salud IoT.